论文部分内容阅读
基于微博文本的情感分析已经成为近些年的研究热点.为了更有效分析微博文本的情感极性,实现将表情符的情感表现加入到文本分类的任务中,提出了一种将深度学习与情感符号相结合的学习方法.该方法利用双向门控循环(BiGRU)神经网络对文本进行特征提取,然后利用自注意力机制对文本和表情符号的向量表示进行特征提取,最后通过softmax识别出最终的情感极性.本文采集了三种微博语料集,实验结果表明,与融合表情符的自注意力机制和BiLSTM模型和与仅输入纯文本的自注意力机制和BiGRU模型相比,融合表情符号的自注意力机制和BiGRU网络模型有效地提高了情感分类的准确率.